买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安电子科技大学申请的专利一种基于语义压缩增强的小目标检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121746690B 。

龙图腾网通过国家知识产权局官网在2026-05-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610226073.5，技术领域涉及：G06V10/25；该发明授权一种基于语义压缩增强的小目标检测方法是由赖睿;张家浩;武彤;官俊涛;李栋;马瑞;朱樟明设计研发完成，并于2026-02-26向国家知识产权局提交的专利申请。

本一种基于语义压缩增强的小目标检测方法在说明书摘要公布了：本发明属于目标检测技术领域，涉及一种基于语义压缩增强的小目标检测方法，包括步骤：获取包含小目标的待测图像数据并进行图像缩放，得到缩放后的图像数据；使用骨干网络对缩放后的图像数据进行多尺度特征提取，得到多尺度特征；使用语义压缩增强编码器对多尺度特征进行多尺度语义压缩和全局特征增强，并将增强的全局特征与多尺度特征融合，得到编码器输出特征；将编码器输出特征输入到解码器中，得到目标分类结果和回归框。该小目标检测方法大幅度降低了参数量和计算量，并且提高了小目标检测的平均精度。

本发明授权一种基于语义压缩增强的小目标检测方法在权利要求书中公布了：1.一种基于语义压缩增强的小目标检测方法，其特征在于，包括步骤： 获取包含小目标的待测图像数据并进行图像缩放，得到缩放后的图像数据； 使用骨干网络对所述缩放后的图像数据进行多尺度特征提取，得到多尺度特征； 使用语义压缩增强编码器对所述多尺度特征进行多尺度语义压缩和全局特征增强，并将增强的全局特征与所述多尺度特征融合，得到编码器输出特征； 将所述编码器输出特征输入到解码器中，得到目标分类结果和回归框； 所述语义压缩增强编码器包括多尺度语义压缩模块、前景采样增强模块和空间信息恢复模块；所述多尺度语义压缩模块用于对所述多尺度特征进行特征压缩和融合，得到全局特征；所述前景采样增强模块用于对所述全局特征进行前景信息采样和增强，得到增强的全局特征；所述空间信息恢复模块用于将所述增强的全局特征和所述多尺度特征进行融合，得到所述编码器输出特征； 所述多尺度语义压缩模块中的计算方法包括： 采用第一下采样模块对第一尺度特征进行下采样，得到第一下采样特征；采用第一卷积块注意力模块对所述第一下采样特征进行特征聚合，得到第一目标概念信息： ； 其中，表示第一尺度特征，表示第一下采样模块，表示第一卷积块注意力模块，表示第一目标概念信息； 采用第二卷积块注意力模块对第二尺度特征进行特征聚合，得到第二目标概念信息： ； 其中，表示第二尺度特征，表示第二卷积块注意力模块，表示第二目标概念信息； 采用第一上采样模块对第三尺度特征进行上采样，得到高层特征： ； 其中，表示第三尺度特征，表示第一上采样模块，表示高层特征； 采用门控模块将所述高层特征内的语义知识转换为门通信号： ； 其中，表示门控模块，表示门通信号； 采用第一互补信息增强模块将所述门通信号与所述第一目标概念信息相乘，并将相乘结果与所述第一目标概念信息相加，得到第一低层特征： ； 其中，表示第一低层特征； 采用第二互补信息增强模块将所述门通信号与所述第二目标概念信息相乘，并将相乘结果与所述第二目标概念信息相加，得到第二低层特征： ； 其中，表示第二低层特征； 对所述第一低层特征、所述第二低层特征和所述高层特征进行拼接，得到多层特征： ； 其中，表示多层特征，表示拼接模块； 采用第一卷积融合模块将所述多层特征映射为所述全局特征： ； 其中，表示全局特征，表示第一卷积融合模块。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。